-
题名基于概率的支持向量数据描述方法
被引量：4
- 1
-
-
作者
杨晨
王婕婷
李飞江
钱宇华
-
机构
山西大学大数据科学与产业研究院
计算智能与中文信息处理教育部重点实验室(山西大学)
山西大学计算机与信息技术学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第11期3134-3139,共6页
-
基金
国家自然科学基金资助项目(61672332)
山西省拔尖创新人才支持计划项目
+1 种基金
山西青年三晋学者项目
山西省海外归国人员研究项目(2017023)~~
-
文摘
针对目前概率机器学习方法在解决概率问题时具有较高的复杂度,而传统的支持向量数据描述(SVDD)作为一种核密度估计方法只能判断测试样本是否属于该类等问题,提出一种基于概率的支持向量数据描述方法。首先,利用传统的SVDD方法分别得到两类数据的数据描述,计算测试样本到超球体的距离;然后,构造一个将距离转换为概率的函数,提出一种基于概率的SVDD方法;同时,使用Bagging算法进行集成,进一步提高数据描述的性能。借鉴分类场景,将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验,实验结果表明,所提方法在准确率和F1值上优于传统的SVDD方法,并且其数据描述的性能有所提升。
-
关键词
概率机器学习
支持向量数据描述
集成
不确定性
分类
-
Keywords
probabilistic machine learning
Support Vector Data Description(SVDD)
ensemble
uncertainty
classification
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
